在线检测列车驾驶员行为和疲劳状态的方法及其检测系统

摘要

本发明公开了在线检测列车驾驶员行为和疲劳状态的方法及其检测系统。所述方法包括：采用摄像头对列车驾驶员进行拍摄；对摄像头采集到的图片进行人脸检测，并判别驾驶员是否脱岗和是否处于打盹状态；再使用AdaBoost算法训练出的睁眼图像检测器，从人脸图像中找睁眼图像，判断此时驾驶员是否处于睁眼状态；实时计算闭眼时间占总测试时间的比例，该比例即是PERCLOS值，用来标示疲劳状态。所述系统包括摄像头、嵌入式主机、报警装置、用户按键和存储器，摄像头、报警装置、用户按键和存储器分别与嵌入式主机连接；本发明填补了列车驾驶员行为监控及疲劳状态检测领域的空白，能在列车环境下实现驾驶员行为的监控及疲劳状态的检测。

主权项

在线检测列车驾驶员行为及疲劳状态的方法，其特征在于包括:（1）采用摄像头对列车驾驶员进行拍摄；（2）对摄像头采集到的图片进行人脸检测，得到人脸图像及人脸位置坐标，并判别驾驶员是否脱岗和是否处于打盹状态，具体是：对摄像头采集到的图片进行人脸检测，若连续在采集到的图片中检测不到人脸图像，则判断驾驶员已离开摄像头的监控区，处于脱岗状态；由人脸位置坐标统计人脸几何中心的变化，得出驾驶员头部运动状态，从而判断出驾驶员是否处于打盹状态，当驾驶员头部中心坐标点在设定时间内做反复的上下运动，则判断为驾驶员处于打盹状态；（3）人眼睁闭状态判别：使用AdaBoost算法训练出的睁眼图像检测器，从人脸图像中找睁眼图像，如果能找到，则判断此时驾驶员处于睁眼状态；如果找不到，则判断驾驶员处于闭眼状态；所述睁眼图像检测器通过如下步骤训练得到：（3.1）收集人脸图片组成测试图片库，收集睁眼眼睛图片组成正样本集，收集非睁眼图片组成负样本集；（3.2）使用AdaBoost算法从正样本集和负样本集中学习出临时睁眼图像检测器；（3.3）使用临时睁眼图像检测器对测试图片库中的每一张图片进行检测，将本身不是睁眼而被临时睁眼图像检测器检测为睁眼的图像保存为图片并加到负样本集中，形成新的负样本集，将本身是睁眼而被临时睁眼图像检测器检测为非睁眼的图像保存为图片并加到正样本集中，形成新的正样本集，同时统计该临时睁眼图像检测器的检测准确度；（3.4）再用AdaBoost算法从新的正样本集和负样本集中学习出另一临时睁眼图像检测器；（3.5）使用步骤（3.4）所述的另一临时睁眼图像检测器重复步骤步骤（3.3） 和（3.4），直到步骤（3.3）所述的临时睁眼图像检测器的检测准确度满足设定的准确率，以该满足设定的准确率的临时睁眼图像检测器作为训练得到的睁眼图像检测器；（4）疲劳状态的检查方法：实时计算闭眼时间占总测试时间的比例，该比例即是PERCLOS值，用来标示疲劳状态。